Útmutatóhoz kapcsolódó kvíz · Közepes Szint
UnivNet többfelbontású Vocoder kvíz
Study how UnivNet uses adaptive convolutions and spectrogram discriminators at several time-frequency resolutions for speech synthesis.
kérdés 1 -ból 8
Mi az UnivNet diszkriminátor jellemzője?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mi az UnivNet diszkriminátor jellemzője?
- Több STFT spektrogramot számít ki különböző felbontásokkal, és megkülönbözteti őket
- Csak egyetlen hullámforma megkülönböztetőt használ
- A hangot nyelvi modell alapján ítéli meg
- Figyelmen kívül hagyja a magas frekvenciákat
- A korábbi GAN vokóderekben milyen problémát céloz meg kifejezetten az UnivNet?
- Lassú autoregresszív mintavétel
- Tompa vagy műtermékekkel terhelt magas frekvenciák
- Képtelenség GPU-n futni
- Bármilyen diszkriminátor hiánya
- Mik azok a helyváltozó konvolúciók (LVC) az UnivNetben?
- A konvolúciók csak a jel kezdetén érvényesek
- Javítva az összes rétegen megosztott kernelek
- Konvolúciók, amelyek kernelét a rendszer dinamikusan előrejelzi a bemeneti jellemzőkből
- Ismétlődő kapcsolatok a keretek között
- What adaptation potential did the UnivNet paper report for new speakers?
- Guaranteed identical quality across every recording condition
- No need for conditioning features or evaluation
- Instant adaptation to every language and microphone
- Fast adaptation without training a new vocoder from scratch
- What synthesis capability did the UnivNet paper report?
- High-fidelity waveform synthesis in real time
- Only offline synthesis after a day-long wait
- One waveform sample per hour
- A text transcript without audio output
- Mit feltétel az UnivNet generátora hullámforma létrehozásához?
- Nyers szöveg
- Mel-spektrogram
- Csak a zaj spektrogramja
- Fonématartam táblázat
- Which adversarial loss did UnivNet use to train its generator and discriminators?
- A word-level cross-entropy loss
- A policy-gradient objective
- A least-squares GAN objective
- A contrastive image-text loss
- What evaluation result did the UnivNet paper report across seen and unseen speakers?
- It outperformed every vocoder on every language and dataset
- It proved no speaker adaptation is ever needed
- It achieved the same result regardless of input features
- It achieved the best objective and subjective results among the compared models in its evaluation